هوش مصنوعی و بروز خطاهای دارویی: یک مرور نظاممند

زمینه و هدف: خطاهای دارویی یکی از مهمترین عوامل بروز عوارض ناخواسته در مراقبت های بهداشتی هستند و می توانند پیامدهای بالینی و اقتصادی قابل توجهی به همراه داشته باشند. در سال های اخیر، هوش مصنوعی (Artificial Intelligence - AI) به عنوان ابزاری نوین در حوزه سلامت مطرح شده است که می تواند با تحلیل داده های کالن، شناسایی الگوهای پنهان و ارائه هشدارهای پیشگیرانه، در کاهش این خطاها نقش موثری ایفا کند. هدف این مطالعه، مرور نظاممند شواهد موجود در زمینه کاربرد هوش مصنوعی در پیشگیری و کاهش خطاهای دارویی است. روش ها: این مرور نظاممند مطابق با دستورالعمل PRISMA انجام شد. جستجوی جامعی در پایگاه های داده PubMed، Scopus، Web of Science و Embase برای مقالات منتشرشده بین سال های ۲۰۱۲ تا ۲۰۲۲ انجام گردید. کلیدواژه هایی شامل "Artificial Intelligence"، "Machine Learning"، "Medication Error"، "Drug Safety" و "Clinical Decision Support" مورد استفاده قرار گرفت. مقالاتی که به بررسی استفاده از الگوریتم ها و سیستم های هوش مصنوعی در پیشگیری، شناسایی یا کاهش خطاهای دارویی پرداخته بودند، وارد مطالعه شدند. یافته ها: از مجموع ۱۰۴۲۱ مقاله شناسایی شده، پس از غربالگری و ارزیابی کیفی، ۸۴ مطالعه واجد شرایط نهایی شدند. نتایج نشان داد که هوش مصنوعی بیشترین کاربرد را در سه حوزه اصلی داشته است: ۱) سیستم های پشتیبان تصمیم گیری بالینی (CDSS) مبتنی بر یادگیری ماشین برای هشدار در تجویز و تداخالت دارویی، ۲) تحلیل سوابق الکترونیک سلامت (EHR) برای شناسایی خطاهای احتمالی پیش از وقوع، و ۳) استفاده از الگوریتم های پردازش زبان طبیعی (NLP) برای پایش و استخراج اطلاعات از متون آزاد و گزارش های خطا. اغلب مطالعات، کاهش معنادار بروز خطاهای تجویز و توزیع دارو را پس از پیاده سازی این فناوری ها گزارش کردند. نتیجه گیری: هوش مصنوعی با قابلیت پردازش سریع داده های پیچیده و ارائه هشدارهای به موقع، می تواند نقش موثری در پیشگیری از خطاهای دارویی ایفا کند. با این حال، چالش هایی مانند نیاز به داده های با کیفیت، مسائل اخلاقی و قانونی، و پذیرش بالینی توسط کادر درمان همچنان وجود دارد. توسعه مدل های دقیق تر، ارزیابی در محیط های واقعی و ادغام این فناوری ها با سیستم های سلامت می تواند مسیر آینده تحقیقات در این حوزه باشد.

کلیدواژه ها:

هوش مصنوعی ، خطاهای دارویی ، یادگیری ماشین ، امنیت دارو ، پشتیبان تصمیم گیری بالینی